机械设备的智能管理系统及其方法技术方案

本申请涉及智能监测领域，其具体地公开了一种机械设备的智能管理系统及其方法，其通过构建机械设备历史运行状态的数据库，再以当前时间点机械运行状态数据在高维空间中的状态特征作为查询特征来得出当前机械设备运行状态是否正常的结果

【技术实现步骤摘要】
机械设备的智能管理系统及其方法


[0001]本申请涉及智能监测领域，且更为具体地，涉及一种机械设备的智能管理系统及其方法
。

技术介绍

[0002]机械设备是指使用机械原理和技术进行能量转换
、
物质加工和传递的设备，它广泛应用于各个领域，包括制造业
、
交通运输
、
建筑过程
、
能源等
。
[0003]传统对于机械设备的运行状态是基于设定的阈值或规则来判断机械设备是否正常运行，例如设置温度上限或下限来判断机械设备是否过热或过冷
。
这种方法存在一定的局限性，首先，设定阈值需要经验和专业知识，可能无法适应不同工况的变化；其次，无法捕捉到一些微小的变化或特定的异常情况
。
[0004]因此，需要一种优化的机械设备的智能管理方案
。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请
。
本申请的实施例提供了一种机械设备的智能管理系统及其方法，其通过构建机械设备历史运行状态的数据库，再以当前时间点机械运行状态数据在高维空间中的状态特征作为查询特征来得出当前机械设备运行状态是否正常的结果
。
这样，实现了实时对机械设备运行状态进行监测，并且能捕捉到微小的机械设备运行状态变化，提高了机械设备状态监测的精度
。
[0006]根据本申请的一个方面，提供了一种机械设备的智能管理系统，其包括：
[0007]历史设备运行状态数据获取模块，用于获取历史数据，所述历史数据为生产操作时各个机械设备在多个预定时间点的运行状态信息，其中，如果处于运行状态则以运行功率作为运行状态信息，如果处于非运行状态则以零作为运行状态信息；
[0008]历史设备运行状态数据结构化模块，用于将所述各个机械设备在多个预定时间点的运行状态信息按照时间维度和机械设备样本维度排列为二维输入矩阵；
[0009]历史设备运行特征提取模块，用于使用作为特征提取器的卷积神经网络模型对所述二维输入矩阵进行编码以得到设备运行关联特征矩阵；
[0010]当前设备运行状态数据获取模块，用于获取当前时间点的各个机械设备的运行状态信息；
[0011]当前设备运行状态特征提取模块，用于将所述当前时间点的各个机械设备的运行状态信息通过基于转换器的上下文编码器以得到当前状态特征向量；
[0012]设备运行状态匹配模块，用于以所述当前状态特征向量作为查询向量与所述设备运行关联特征矩阵进行相乘以得到分类特征向量；
[0013]优化模块，用于对所述当前状态特征向量和所述分类特征向量进行关联特征的概率密度一致化以得到优化分类特征向量；
[0014]设备运行状态判断模块，用于将所述优化分类特征向量通过分类器以得到分类结
果，所述分类结果用于表示当前时间点的机械设备运行状态是否正常
。
[0015]在上述机械设备的智能管理系统中，所述历史设备运行特征提取模块，用于：使用所述作为特征提取器的卷积神经网络模型的各层在层的正向传递过程中分别对输入数据进行：对所述输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行沿通道维度的池化处理以得到池化特征图；对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为特征提取器的卷积神经网络模型的最后一层的输出为所述设备运行关联特征矩阵，所述作为特征提取器的卷积神经网络模型的第一层的输入为所述二维输入矩阵
。
[0016]在上述机械设备的智能管理系统中，所述当前设备运行状态特征提取模块，包括：分词单元，用于对所述各个机械设备的运行状态信息进行分词处理以获得多个运行状态关键词；词嵌入单元，用于将所述多个运行状态关键词通过嵌入层以将所述多个运行状态关键词中各个运行状态关键词转化为运行状态关键词嵌入向量以得到运行状态关键词嵌入向量的序列，其中，所述嵌入层使用可学习的嵌入矩阵对所述各个运行状态关键词进行嵌入编码；上下文语义编码单元，用于将所述运行状态关键词嵌入向量的序列输入所述基于转换器的上下文编码器以得到多个运行状态关键特征向量；级联单元，用于将所述多个运行状态关键特征向量进行级联以得到所述当前状态特征向量
。
[0017]在上述机械设备的智能管理系统中，所述设备运行状态匹配模块，用于：以如下查询公式计算所述当前状态特征向量作为查询向量与所述设备运行关联特征矩阵进行相乘以得到所述分类特征向量；其中，所述查询公式为：
[0018][0019]其中
V1表示所述分类特征向量，
V2表示所述当前状态特征向量，
M
表示所述设备运行关联特征矩阵，表示矩阵相乘
。
[0020]在上述机械设备的智能管理系统中，所述优化模块，包括：协方差矩阵计算单元，用于计算所述当前状态特征向量和所述分类特征向量之间的协方差矩阵；矩阵分解单元，用于对所述协方差矩阵进行特征值的矩阵分解以得到多个特征值和与所述多个特征值对应的多个特征值向量；主成分特征向量选取单元，用于从所述多个特征值向量中提取前两个最大特征值对应的特征值向量作为第一主成分特征向量和第二主成分特征向量；归一化处理单元，用于对所述第一主成分特征向量和所述第二主成分特征向量进行归一化处理以得到归一化第一主成分特征向量和归一化第二主成分特征向量；关联矩阵构造单元，用于构造所述归一化第一主成分特征向量和所述归一化第二主成分特征向量之间的关联矩阵作为共同变换矩阵；映射单元，用于将所述当前状态特征向量和所述分类特征向量分别与所述共同变换矩阵进行矩阵相乘以得到映射后状态特征向量和映射后分类特征向量；概率密度一致化单元，用于使用一致化法对所述映射后状态特征向量和所述映射后分类特征向量进行概率密度一致化以得到概率密度一致化状态特征向量和概率密度一致化分类特征向量；均值向量计算单元，用于计算所述概率密度一致化状态特征向量和所述概率密度一致化分类特征向量之间的均值向量以得到所述优化分类特征向量
。
[0021]在上述机械设备的智能管理系统中，所述设备运行状态判断模块，包括：全连接编码单元，用于使用所述分类器的全连接层对所述优化分类特征向量进行全连接编码以得到编码分类特征向量；分类结果生成单元，用于将所述编码分类特征向量通过所述分类器的
Softmax
分类函数以得到所述分类结果
。
[0022]根据本申请的另一方面，提供了一种机械设备的智能管理方法，其包括：
[0023]获取历史数据，所述历史数据为生产操作时各个机械设备在多个预定时间点的运行状态信息，其中，如果处于运行状态则以运行功率作为运行状态信息，如果处于非运行状态则以零作为运行状态信息；
[0024]将所述各个机械设备在多个预定时间点的运行状态信息按照时间维度和机械设备样本维度排列为二维输入矩阵；
[0025]使用作为特征提取器的卷积神经网络模型对所述二维输入矩阵进行编码以得到设备运行关联本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种机械设备的智能管理系统，其特征在于，包括：历史设备运行状态数据获取模块，用于获取历史数据，所述历史数据为生产操作时各个机械设备在多个预定时间点的运行状态信息，其中，如果处于运行状态则以运行功率作为运行状态信息，如果处于非运行状态则以零作为运行状态信息；历史设备运行状态数据结构化模块，用于将所述各个机械设备在多个预定时间点的运行状态信息按照时间维度和机械设备样本维度排列为二维输入矩阵；历史设备运行特征提取模块，用于使用作为特征提取器的卷积神经网络模型对所述二维输入矩阵进行编码以得到设备运行关联特征矩阵；当前设备运行状态数据获取模块，用于获取当前时间点的各个机械设备的运行状态信息；当前设备运行状态特征提取模块，用于将所述当前时间点的各个机械设备的运行状态信息通过基于转换器的上下文编码器以得到当前状态特征向量；设备运行状态匹配模块，用于以所述当前状态特征向量作为查询向量与所述设备运行关联特征矩阵进行相乘以得到分类特征向量；优化模块，用于对所述当前状态特征向量和所述分类特征向量进行关联特征的概率密度一致化以得到优化分类特征向量；设备运行状态判断模块，用于将所述优化分类特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的机械设备运行状态是否正常
。2.
根据权利要求1所述的机械设备的智能管理系统，其特征在于，所述历史设备运行特征提取模块，用于：使用所述作为特征提取器的卷积神经网络模型的各层在层的正向传递过程中分别对输入数据进行：对所述输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行沿通道维度的池化处理以得到池化特征图；对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为特征提取器的卷积神经网络模型的最后一层的输出为所述设备运行关联特征矩阵，所述作为特征提取器的卷积神经网络模型的第一层的输入为所述二维输入矩阵
。3.
根据权利要求2所述的机械设备的智能管理系统，其特征在于，所述当前设备运行状态特征提取模块，包括：分词单元，用于对所述各个机械设备的运行状态信息进行分词处理以获得多个运行状态关键词；词嵌入单元，用于将所述多个运行状态关键词通过嵌入层以将所述多个运行状态关键词中各个运行状态关键词转化为运行状态关键词嵌入向量以得到运行状态关键词嵌入向量的序列，其中，所述嵌入层使用可学习的嵌入矩阵对所述各个运行状态关键词进行嵌入编码；上下文语义编码单元，用于将所述运行状态关键词嵌入向量的序列输入所述基于转换器的上下文编码器以得到多个运行状态关键特征向量；级联单元，用于将所述多个运行状态关键特征向量进行级联以得到所述当前状态特征
向量
。4.
根据权利要求3所述的机械设备的智能管理系统，其特征在于，所述设备运行状态匹配模块，用于：以如下查询公式计算所述当前状态特征向量作为查询向量与所述设备运行关联特征矩阵进行相乘以得到所述分类特征向量；其中，所述查询公式为：其中
V1表示所述分类特征向量，
V2表示所述当前状态特征向量，
M
表示所述设备运行关联特征矩阵，表示矩阵相乘
。5.
根据权利要求4所述的机械设备的智能管理系统，其特征在于，所述优化模块，包括：协方差矩阵计算单元，用于计算所述当前状态特征向量和所述分类特征向量之间的协方差矩阵；矩阵分解单元，用于对所述协方差矩阵进行特征值的矩阵分解以得到多个特征值和与所述多个特征值对应的多个特征值向量；主成分特征向量选取单元，用于从所述多个特征值向量中提取前两个最大特征值对应的特征值向量作为第一主成分特征向量和第二主成分特征向量；归一化处理单元，用于对所述第一主成分特征向量和所述第二主成分特征向量进行归一化处理以得到归一化第一主成分特征向量和归一化第二主成分特征向量；关联矩阵构造单元，用于构造所述归一化第一主成分特征向量和所述归一化第二主成分特征向量之间的关联矩阵作为共同变换矩阵；映射单元，用于将所述当前状态特征向量和所述分类特征向量分别与所述共同变换矩阵进行矩阵相乘以得到映射后状态特征向量和映射后分类特征向量；概率密度一致化单元，用于使...

【专利技术属性】
技术研发人员：楼宇琼，
申请(专利权)人：海宁市晟洋机电设备有限公司，
类型：发明
国别省市：